Цифровой сервис для подготовки аттестационных листов обучающихся

DOI: https://doi.org/10.25559/SITITO.021.202503.585-592

Аннотация

В статье представлен конвейер автоматизированной обработки учебной документации. Для создания числовой модели текстовой информации используется векторное представление данных, для повышения качества извлечения и предобработки данных из документов используются технологии OCR и регулярные выражения. Особое внимание уделено исследованию возможностей Chroma DB, которая предоставляет эффективные средства для хранения и поиска информации по векторным данным. На основе семантического сопоставления справок об обучении и детального сравнения по дисциплинам учебного плана реализован механизм рекомендации наиболее подходящего направления подготовки. Реализация представлена как автономный микросервис, развёрнутый в Docker и доступный через FastAPI. В результате создано гибкое решение, которое значительно сокращает время ручной сверки учебных планов и справок об обучении, обеспечивает высокую точность обнаружения сходства в наименованиях дисциплин и объёмах часов, а также легко масштабируется и интегрируется в существующие корпоративные информационные системы, благодаря стандартизированному REST-интерфейсу. Использование разработанного цифрового сервиса позволяет, с одной стороны, повысить объективность анализа учебных планов, сравнения дисциплин и выделения ключевых компетенций, что обеспечивает максимально корректное распределение обучающихся по направлениям подготовки. С другой стороны, цифровой сервис значительно ускоряет процесс подготовки документов и уменьшает нагрузку на учебные отделы образовательных организаций.

Сведения об авторах

Anna Vladimirovna Zykina, Омский государственный технический университет

заведующий кафедрой прикладной математики и фундаментальной информатики факультета информационных технологий и компьютерных систем, доктор физико-математических наук, профессор

Viktoria Vasilyevna Munko, Омский государственный технический университет

старший преподаватель кафедры прикладной математики и фундаментальной информатики факультета информационных технологий и компьютерных систем

Yegor Olegovich Shikin, Омский государственный технический университет

магистрант кафедры прикладной математики и фундаментальной информатики факультета информационных технологий и компьютерных систем

Литература

1. Wu Z., et al. OCR-RTPS: an OCR-based real-time positioning system for the valet parking. Applied Intelligence. 2023;53(14);17920-17934. https://doi.org/10.1007/s10489-022-04362-x
2. Park Y., Shin Y. Gradual OCR: An Effective OCR Approach Based on Gradual Detection of Texts. Mathematics. 2023;11(22):4585. https://doi.org/10.3390/math11224585
3. Bogachev R.E., Zarikovskaya N.V. Implementation of the backend of web systems using the FASTAPI framework. Aktualʹnye naučnye issledovaniâ v sovremennom mire. 2021;(11-15):368-373. (In Russ., abstract in Eng.) EDN: QCWPAU
4. Pooja Bhat, Thanuja J.C. Implementing a Google Dialogflow Chatbot for Restaurant Websites – A Serverless Approach with fastAPI. International Advanced Research Journal in Science, Engineering and Technology. 2024;11(7):214-219. https://doi.org/10.17148/IARJSET.2024.11730
5. Voronin E.Yu., Lastin V.I. Using FastAPI to create high‑performance REST APIs. Moâ professionalʹnaâ karʹera. 2025;2(72):92-98. (In Russ., abstract in Eng.) EDN: XUSYJK
6. Nikulin V.S. Development of a graphical tool for designing neural network models based on TensorFlow. Information Technologies in Construction, Social and Economic Systems. 2025;(2):251-258. (In Russ., abstract in Eng.) EDN: RQCBSR
7. Madayev Kh.Kh. Razrabotka arkhitektury krossplatformennogo prilozheniya dlya intellektualnoy otsenki znaniy shkolnikov. Tendentsii razvitiya nauki i obrazovaniya. 2025;(123-3):106-110. (In Russ., abstract in Eng.) EDN: BWRIKE
8. Kozhevnikova P.V., Kolesnikova D.V., Sochko S.S. Unified Data Storage of the Dispatch Decision Support System. Information Technologies in Management and Economics. 2025;(1):12-25. (In Russ., abstract in Eng.) EDN: LGQKQH
9. Nichik S.A. Intelligent Companion Recommendation System Based on Artificial Intelligence. Innovation & Investment. 2025;(7):504-506. (In Russ., abstract in Eng) EDN: QAHRXT
10. Vedmanov I.S., Sivakova T.V., Sudakov V.A. Intelligent Technologies for Generating Recommendations Based on Natural Language Queries. Keldysh Institute Preprints. 2025;(3):1-12. (In Russ., abstract in Eng) EDN: ALJDCU
11. Putra N.R., Rachmadi R.F., Nugroho S.M.S. Web Service untuk Ekstraksi Informasi KTP Menggunakan Google Cloud Vision. Jurnal Teknik ITS. 2023;12(3): A227-A232. https://doi.org/10.12962/j23373539.v12i3.122400
12. Sun J., Cao W., Yamanaka T. JustDeepIt: Software tool with graphical and character user interfaces for deep learning-based object detection and segmentation in image analysis. Frontiers in Plant Science. 2022;964058. https://doi.org/10.3389/fpls.2022.964058
13. Fajardo Quesada A.J., et al. Curriculum: curriculum tracking and validation website. Seminars in Medical Writing and Education. 2024;3:394. https://doi.org/10.56294/mw2024394
14. Khalevin T.A. Working with Forms and the Jinja2 Template Engine of the Flask Framework in Python. Dnevnik nauki. 2023;(6):1-7. (In Russ., abstract in Eng) https://doi.org/10.51691/2541-8327_2023_6_14
15. Srivastava A.K., et al. Django, The Python Web Framework. International Journal of Scientific Research in Engineering and Management. 2022;06(05):1-10. https://doi.org/10.55041/ijsrem13183
16. Hu X., et al. APAview: A web-based platform for alternative polyadenylation analyses in hematological cancers. Frontiers in Genetics. 2022;13:928862. https://doi.org/10.3389/fgene.2022.928862
17. Korobko A.V., Sheftel K.S. Model-driven approach to generating operational printed reports. Informational and mathematical technologies in science and management. 2022;(4):181-189. (In Russ., abstract in Eng) https://doi.org/10.38028/ESI.2022.28.4.014
18. Priyasta D., Hadiyanto, Septiawan R. Enabling EV Roaming Through Cascading WebSockets in OCPP 1.6. Journal Europeen des Systemes Automatises. 2023;56(3):437-449. https://doi.org/10.18280/jesa.560311
19. Mazumder J., Mukhopadhyay P. Designing Question-Answer Based Search System in Libraries: Application of Open Source Retrieval Augmented Generation (RAG) Pipeline. Journal of Information and Knowledge. 2024;61(5);255-260. https://doi.org/10.17821/srels/2024/v61i5/171583
20. Zagorodnikov M.V., Mikhaylov A.A. Recovering Text Layer from PDF Documents with Complex Background. Proceedings of the Institute for System Programming of the RAS (Proceedings of ISP RAS). 2024;36(3):189-202. (In Russ., abstract in Eng) https://doi.org/10.15514/ISPRAS-2024-36(3)-13
21. Kozlov S.V., Svetlakov A.V. Using Regular Expressions to Process Text Data. International Journal of Open Information Technologies. 2022;10(9):82-89. (In Russ., abstract in Eng) EDN: ZOSEER
22. Makarova E.A. Processing of semi-structured text data for use in data analysis models. Informational and mathematical technologies in science and management. 2023;(1):178-189. (In Russ., abstract in Eng) https://doi.org/10.25729/ESI.2023.29.1.015
23. Vlasyuk N.A., Kalkov D.Yu., Tolstykh M.Yu. Intelligent System for Filtering Unwanted Information Based on Deep Learning. Instruments and Systems: Monitoring, Control, and Diagnostics. 2024;(8);30-34. (In Russ., abstract in Eng) https://doi.org/10.25791/pribor.8.2024.1518
24. Tereshenko A.A. Analysis and Optimization of Processes in Technical Systems Using Text Data Processing. Modern science: actual problems of theory and practice. Series "Natural and technical sciences". 2025;(2-2):144-148. (In Russ., abstract in Eng) https://doi.org/10.37882/2223-2966.2025.02-2.34
25. Zakharova O.I., Development of a Model for Semantic Analysis and Synthesis of Text Data. Instruments and Systems: Monitoring, Control, and Diagnostics. 2024;(4):49-57. (In Russ., abstract in Eng) https://doi.org/10.25791/pribor.4.2024.1493
Опубликована
2025-10-13
Как цитировать
ZYKINA, Anna Vladimirovna; MUNKO, Viktoria Vasilyevna; SHIKIN, Yegor Olegovich. Цифровой сервис для подготовки аттестационных листов обучающихся. Современные информационные технологии и ИТ-образование, [S.l.], v. 21, n. 3, p. 585-592, oct. 2025. ISSN 2411-1473. Доступно на: <http://sitito.cs.msu.ru/index.php/SITITO/article/view/1230>. Дата доступа: 05 aug. 2026 doi: https://doi.org/10.25559/SITITO.021.202503.585-592.
Форматы библиографических ссылок
Выпуск
Том 21 № 3 (2025): Современные информационные технологии и ИТ-образование
Раздел
Образовательные ресурсы и лучшая практика ИТ-образования
Лицензия Creative Commons

Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.

Редакционная политика журнала основывается на традиционных этических принципах российской научной периодики и строится с учетом этических норм работы редакторов и издателей, закрепленных в Кодексе поведения и руководящих принципах наилучшей практики для редактора журнала (Code of Conduct and Best Practice Guidelines for Journal Editors) и Кодексе поведения для издателя журнала (Code of Conduct for Journal Publishers), разработанных Комитетом по публикационной этике - Committee on Publication Ethics (COPE). В процессе издательской деятельности редколлегия журнала руководствуется международными правилами охраны авторского права, нормами действующего законодательства РФ, международными издательскими стандартами и обязательной ссылке на первоисточник.
Журнал позволяет авторам сохранять авторское право без ограничений. Журнал позволяет авторам сохранить права на публикацию без ограничений.
Издательская политика в области авторского права и архивирования определяются «зеленым цветом» в базе данных SHERPA/RoMEO.
Все статьи распространяются на условиях лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная, которая позволяет другим использовать, распространять, дополнять эту работу с обязательной ссылкой на оригинальную работу и публикацию в этом журналe.